我们必须区分传统的和量化的技术分析，因为所有依赖于价格和流量分析的方法都属于这个主题。从传统的，如图表模式、一些简单的指标、价格行动的某些理论等这样的技术分析开始着手并不是有效的方法。除却一些特殊的例子外，那些夸大的宣传从来不会给出长期的统计预期，而只是表述如果采用这些方法，会有潜在的利益收入。

由于市场上的利润和损失遵循一定的统计分布，所以总是有人把运气归因于这些方法。同时，整个行业围绕这些方法发展，因为它们比较容易学习。但不幸的是，许多人认为他们更善于使用这些其他人也知道的方法来获利，结果是大量的财富从这些天真的散户那里转移到了市场的创造者和其他消息灵通的专业人士那里。

20世纪90年代早期，一些市场专业人士意识到大量的散户交易者使用这些天真的方法进行交易。一些公司开发了算法和AI专家系统来进行识别，然后进行逆向交易，致使了散户们根本无法应付的过程波动。从更基本的角度看，传统技术分析的失败可以归因于从上世纪90年代开始的市场上的高序列相关性消失。从根本上说，这是一种高度的序列相关性，给人一种错误的印象，认为这些方法是有效的。

如今，除了少数例外，市场是均值回归的，没有给简单的技术分析方法生效的空间。然而，一些量化技术分析方法却通常很有效，比如均值回归和统计套利模型，也包括使用具有经济价值特征的ML算法。

但这种套利在AI和机器学习的情境下是不可持续的，因为各种各样私有模型的存在。这种新技术存在的主要问题不是在传统的技术分析方法中出现的确认偏见（confirmation bias），而是数据挖掘偏见。

在我看来，观察市场和看图表正在慢慢过时。交易的未来在于处理信息，实时开发和验证模型。未来的对冲基金将不会依赖于图表分析。一些交易员仍然会这样做，因为他们处于过渡的边界，atv，旧的方式与新时代相交汇点。许多不熟悉人工智能的交易员将发现他们很难保持竞争力，并会选择退出。

新交易技术下的胜出者和失败者

人工智能的应用将以多种方式改变交易，这已经发生了。投资者可能很快就会发现，在量化宽松导致的当前的趋势结束后，中期回报率将远低于预期。如果这种情况成为现实，那么投资者将不得不回到原来的方法，找到一个好的财务顾问，可以提出一个投资组合，并挑选出有价值的证券。在某些情况下，顾问将是一个人工智能程序，这个过程将在网上执行。

交易员们需要熟悉这项新技术。大多数交易员仍在与旧的方法作斗争，只是希望这些方法还能够用上几年。

其中一的个问题是过去8年里，央行直接支持金融市场的道德风险。许多交易员和投资者现在认为熊市是不可能的，因为央行将会帮他们擦屁股。因此，大多数市场参与者没有做好准备迎接下一个主要市场机制的改变，并可能面临毁灭性的损失。

如今，网络上有很多关于ML、AI和交易的资源。最好的学习方法就是试着解决一些实际的问题。但我认为，大多数交易员的转变是不可能的。了解和应用人工智能的技能组合的交易员将会将95%的习惯于在图表上画线，观察移动平均线的交易员甩在身后。

投资者也应该自己进行研究，或咨询一位已经熟悉这些新技术发展的财务顾问。每个投资者都有不同的风险偏好，很难有一个一以贯之的指导方针。在不久的未来，将会有大量的机器人顾问出现，如何选择一个适合特定的需求和目标机器人顾问，可能会比较有挑战性。不熟悉机器学习和人工智能以及它们与交易和投资的关系的人会发现去请教那些已经熟悉这些技术的专业人士要比自己看书从头学要收益更大。返回搜狐，查看更多